20世纪90年代,当Bill Parcells担任美国国家橄榄球联盟新英格兰爱国者队主教练的时候,他曾被问及是否认为自己应该参与到球员的交易中,他说,“如果他们想让你做晚餐,那至少应该让你去采购一些食材。”
为了给企业客户提供一个吸引人的菜单,VMware一直在收购,而这些收购成为了本周一在旧金山开幕的VMworld 2019大会的主要故事线。就在这次大会举行的几天之前,VMware刚刚进行了公司有史以来价格最高的、同时也最引人关注的两笔收购:Pivotal Software和Carbon Black。
收购这两个上市公司的总金额高达48亿美元,这同时也突显了VMware对Kubernetes和网络安全的重视。最近几个月,Pivotal加大了对Kubernetes编排功能的支持力度,发布了面向Cloud Foundry平台的应用服务,该平台让开发人员能够将他们的应用移动到软件容器中。
容器:改写游戏规则的技术
本周一,VMware推出了一系列支持Kubernetes生态系统的新服务,进一步加大了对Kubernetes的赌注。其中,Tanzu能够以统一的视图管理容器和虚拟机,Project Pacific将Kubernetes原生地嵌入到vSphere(VMware核心平台)中。
VMware首席执行官Pat Gelsinger(如图)在周一发表主题演讲之后的新闻发布会上表示:“我们认为Kubernetes是一项改变游戏规则的技术,这是近十年或者二十年内出现的一大变革技术。”
收购云端点保护解决方案的网络安全厂商Carbon Black,突显了VMware对解决企业计算一大基本问题的兴趣:安全问题是一团糟。
VMware客户运营首席运营官Sanjay Poonen在周一的主题演讲中表示:“这个行业需要重塑,在这个支离破碎的行业中有5000家厂商。看看这个行业,我们觉得肯定有更好的解决方法。”
VMware认为,更好的方法就是利用Carbon Black丰富的数据分析来解决端点安全问题。这一点变得越来越重要,特别是VMware正朝着Gelsinger所谓“在任何云任何设备上管理任何应用”的方向发展。
AppDefense不断增强
VMware正在加速网络安全方面的发展。在以数十亿美元收购Carbon Black之后,VMware本周一宣布将对AppDefense(AppDefense是VMware收购的Intrinsic安全初创公司)进行增强,并与另一家公司Kenna Security展开合作,在App Verification Cloud中提供基于风险的数据。
正如VMware高级副总裁、安全产品总经理Tom Corn在博客文章提到的,AppDefense将为整个堆栈提供漏洞报告,包括vSphere和访客系统、以及运行其中的应用或者工作负载。
Corn在周一的新闻发布会上表示:“不会增加扫描,也不会增加代理,它实际上是建立在平台上的。我们需要专注于构建安全性,而不是仅仅依赖于安全性。”
VMworld大会开幕日当天发布的大多数新闻把焦点集中了应用上,无论是使用新的Kubernetes工具来移动应用,加速GPU服务来为应用提供动力,还是利用混合云基础设施实现应用的现代化,或者推出新技术保护应用的安全,这些都突出了一点,那就是现在是一个应用的世界,VMware已经明确地将重点转向满足客户在应用方面的需求。
在发表了主题演讲之后的媒体见面会上,Gelsinger提到了Michael Dell,而他本人正坐在距离不到五英尺远的地方。
“Michael Dell有这样一句话:‘感到高兴但还不够满意’。我们要做的事情还没有做完,以云为基础,我们即将扩展应用体验。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。